行行查
行业研究数据库
人工智能行业研究:预测所需数据可按组织形式和时间属性进行分类
- 人工智能
- 券商投行
- 资产管理
预测所需的数据可以根据其组织形式和时间属性进行系统性分类,以便更好地选择合适的分析模型与处理方法。在组织形式上,数据可分为结构化数据与非结构化数据两类:结构化数据具有固定的行列格式,易于存储和查询,通常来源于数据库录入或表单收集,涵盖数值、分类标签等信息,例如企业财务报表中的资产负债表和利润表,适用于线性回归、逻辑回归、SVM、决策树以及集成学习模型等传统机器学习方法;而非结构化数据则无固定格式,处理难度较高,常见于爬虫抓取的文本、图像、音频或传感器记录,如新闻报道全文、卫星遥感图像等,这类数据更适合采用NLP、BERT、CNN、LSTM(文本时序)、Transformer及多模态大模型等深度学习技术进行分析。
从时间属性角度划分,数据可进一步分为截面数据、时序数据和面板数据。截面数据是在特定时间点上采集的,反映某一时刻的状态,例如某交易日各股票收盘价或季度末各行业资产负债率,这类数据适合使用描述性统计分析、线性回归、决策树或集成学习模型进行建模;时序数据则按时间顺序排列,强调时间依赖性,常通过日志记录或定时采集获得,如股票每日收盘价或气温每小时监测值,适用于ARIMA、GARCH、LSTM/GRU、Pro
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能系列(二):AI驱动下的电子行业新周期 | 2026-10-24 | 35 | ||
| 人工智能行业专题(24):AI短剧:注意力经济新兴市场,AI赋能工业化生产 | 2026-10-26 | 32 | ||
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 电力设备与新能源行业周报:特斯拉Optimus量产继续推进,全面实施“人工智能+”行动 | 2026-10-27 | 15 | ||
| 《人工智能能力建设普惠计划》进展报告(2026) | 2026-10-27 | 22 | ||
| 人工智能的物理竞赛:对电力、水和关键矿产的控制正成为人工智能领导地位的决定性因素 | 2026-10-27 | 16 | ||
| 人工智能主线周报:智元发布具身模型,看好智能化 | 2026-11-02 | 19 | ||
| 人工智能行业专题:2026Q3海外大厂CapEx和ROIC总结梳理 | 2026-11-02 | 25 | ||
| 通信及人工智能组行业光互连系列报告(一):FAU,CPO/NPO驱动量价双升 | 2026-11-03 | 22 | ||
| 人工智能及计算机行业行业月报:国家数据集团正式成立,物理AI迎奇点时刻 | 2026-11-07 | 27 |

行研数据库
创投数据库
证券数据库
商业数据库










